Xin Ding

新型CcGAN-AVAR模型增强了生成式AI处理不平衡数据的能力

研究人员推出了一种名为CcGAN-AVAR的新型连续条件生成对抗网络（CcGAN）扩展，旨在提高在不平衡数据集上的性能并降低采样效率。该新模型包含一个自适应邻域机制，该机制根据样本密度调整局部半径，并采用一种使用多任务判别器的辅助正则化技术。实验表明，CcGAN-AVAR在生成质量和标签一致性方面均优于现有方法，并且比连续条件扩散模型（Continuous Conditional Diffusion Models）速度更快。